__________________________________________________________________Administracin de la Manufactura

4. MODELO DE REGRESIN LINEAL

4.1 INTRODUCCIN
En muchos problemas hay dos o ms variables relacionadas, y el inters se centra en
modelar y explorar esta relacin. Por ejemplo, en un proceso qumico el rendimiento del
producto est relacionado con la temperatura de operacin (Montgomery, 2004).

El modelo de regresin es un modelo matemtico que caracteriza la relacin entre una

variable de respuesta y las variables independientes, este modelo se ajusta a datos
muestrales.
En los modelos empricos, los modelos de regresin son una buena base para obtener
resultados cuantitativos al realizar un experimento, ya que son fciles de comprender,
interpretar e implementar.

La razn por la que se pueden elegir los mtodos de regresin es debido a que estos se
utilizan para el anlisis de los datos de los experimentos no planeados, y otro factor a tomar
en cuenta es el costo que genera el realizar pruebas.
En este proyecto se aplicar el modelo de regresin lineal ya que queremos ver la relacin
entre diferentes variables que participan en el proceso, y a pesar de que existe una relacin
recproca con el diseo de experimentos se opt por este mtodo ya que estas pruebas se
realizaron durante una carga de produccin normal, y el realizar ms pruebas sera muy
costoso por la cantidad de producto potencialmente fuera de especificaciones que sera
enviado a destruccin.
______________________________________________________________________________________________

__________________________________________________________________Administracin de la Manufactura

4.2 MODELO DE REGRESIN LINEAL

En este trabajo se busca desarrollar un modelo emprico que relacione las siguientes
variables en el proceso de recubierto de chicle tipo A que nos permitan explicar la respuesta
de tiempo de secado.
Nmero de ciclo
Potencia (expresada en Watts)
ngulo de Incidencia
Velocidad del Aire en CFM o ft3/min
Temperatura en C
Humedad Relativa en %

La ecuacin para el modelo de regresin lineal quedara como sigue:

y = 0 + 1x1 + 2x2 ++ k xk +

En donde cada una de las variables representara una x y siendo 0, 1, k los

coeficientes de regresin que representan el cambio esperado en la respuesta (Montgomery,
2004). Y siendo la respuesta esperada el tiempo de secado.

______________________________________________________________________________________________

__________________________________________________________________Administracin de la Manufactura

4.3 EXPERIMENTACIN E INTERPRETACIN

A continuacin se describirn los equipos seleccionados para este proyecto as como el
proceso de experimentacin, los datos obtenidos de las diversas pruebas y los resultados de
haber introducido dichos datos al software Minitab para el anlisis de la regresin lineal.
Cabe mencionar que el tamao de muestra n se tom con base en las recomendaciones de
algunos autores, que mencionan que habr una aproximacin aceptable al modelo normal si
n>=30 (Universidad UCM)

4.3.1 TIPO DE LMPARA

Debido a que no se tenan evidencias de estudios previos con este tipo de equipos, se
seleccionaron diferentes y se realizaron las pruebas, ms adelante se mostrarn los
resultados de ellas.
Inicialmente se utiliz una lmpara incandescente de 55W (figura 3), tomando en cuenta
que stas producen calor y que existan dudas al inicio por desconocimiento respecto a las
resistencias infrarrojas.

Posteriormente se utiliz una resistencia infrarroja de 250W (figura 4), a la que se le

conect un restato para regular su voltaje y experimentar con potencia menor a la de su
capacidad.

Y por ltimo se utiliz una resistencia infrarroja de 1000 W (figura 5), conectada tambin a
un restato con el que se control el voltaje y se lleg nicamente a una potencia de 650W,
nunca se utiliz su capacidad mxima debido a que se busca un ahorro que podemos perder

______________________________________________________________________________________________

__________________________________________________________________Administracin de la Manufactura

por consumo de energa elctrica alta, esto se tratar ms adelante en el anlisis de costobeneficio.

Figura 3. Lmpara incandescente, elaboracin propia

Figura 4. Lmpara infrarroja 250W, elaboracin propia

Figura 5. Lmpara infrarroja 1000W, elaboracin propia

______________________________________________________________________________________________

10

__________________________________________________________________Administracin de la Manufactura

4.3.2 PROCESO DEL EXPERIMENTO

Inicialmente se prob con la lmpara incandescente, se coloc dentro de uno de los bombos
de la batera, y se dej trabajando durante toda la carga. Desde el inicio del proceso hasta el
final se fueron registrando los datos de: nmero de ciclo, potencia de la lmpara, velocidad
del aire, temperatura y humedad relativa del aire temperatura del aire de secado.

Para las pruebas se cont con la ayuda de un operador con experiencia para que
determinara si el bombo del experimento haba secado antes que el tiempo establecido en el
estndar el cual es base del costo 2005, y para contabilizar el tiempo utiliz un cronmetro.

La segunda prueba se realiz exactamente igual solo que en lugar de lmpara incandescente
se utiliz la resistencia infrarroja de 250W, pero con la ayuda del restato se regul el
voltaje de tal manera que la prueba se inici con 75W, posteriormente se movi a 125W y
despus la capacidad mxima.

Para la tercera prueba se coloc la resistencia infrarroja de 1000 W, pero a una capacidad
del 65%, es decir 650 W regulado con un restato, cabe mencionar que se seleccion este
porcentaje debido a que las resistencias comerciales del proveedor son de esta capacidad,
as en caso de aprobarse el uso de stas en las bateras sera ms fcil conseguir. Y otra de
las razones es el consumo de energa elctrica.

______________________________________________________________________________________________

11

__________________________________________________________________Administracin de la Manufactura

4.3.3 DATOS OBTENIDOS Y RESULTADOS DE LA REGRESIN LINEAL

En el anexo 1 se encuentran los datos obtenidos de la primera prueba con la lmpara
incandescente y como podemos observar no se logr ninguna mejora con respecto a el
tiempo de secado estndar.

En el anexo 2 se encuentran los resultados de la prueba con la lmpara infrarroja de 250 W,

aqu nuevamente observamos que el tiempo de secado obtenido es igual al tiempo de
secado estndar, por lo que esta lmpara no es la adecuada para el propsito.

Y en el anexo 3 se encuentran los resultados de la prueba con la lmpara infrarroja de

1000 W, aqu si se observan cambios notables con respecto al tiempo de secado estndar,
aproximadamente 2 minutos por ciclo.

Todos los datos se introdujeron en el software Minitab para obtener la ecuacin de la

regresin. A continuacin se muestran los resultados arrojados por el programa.

La ecuacin de regresin es la siguiente:

Tiempo de Secado = - 1.67 - 0.0423 No.Ciclo - 0.000386 Watts

+ 0.0768 ngulo de Incidencia + 0.00395 Velocidad
- 0.0938 Temperatur a + 0.24 HR

del Aire

En la tabla 1 se muestran las variables predictoras, la desviacin estndar, los valores para
los estadsticos t - Student, donde podemos observar con los valores de P (Probabilidad

______________________________________________________________________________________________

12

__________________________________________________________________Administracin de la Manufactura

mnima para rechazo o mnimo para rechazo de H0) que los watts influyen ms que la
temperatura y la velocidad del aire para la reduccin del tiempo de secado.
Donde:
H0 = j = 0
H1 = j 0
Y de acuerdo al estadstico t, se puede inferir que el nmero de ciclo, la humedad relativa y
que el ngulo de incidencia no influyeron sobre los resultados del tiempo de secado.

Con esto podemos comprobar que en efecto el haber incrementado la potencia de la

lmpara nos ayud significativamente a reducir el tiempo de secado en el proceso de
recubierto.

Predictor
Constante
No Ciclo
Watts
ngulo Incidencia
Velocidad Aire
Temperatura
HR

Coeficiente
-1.675
-0.042265
-0.0003861
0.07652
0.003948
-0.09385
0.23976

StDev
3.911
0.008213
0.0007346
0.01593
0.001895
0.07833
0.08356

T
-0.43
-5.15
-0.53
4.80
2.08
-1.20
2.87

P
0.669
0.000
0.600
0.000
0.040
0.233
0.005

Tabla 1. Anlisis de regresin, elaboracin propia.

En la tabla 2 se muestra el anlisis de varianza y ah se puede observar que el valor de P

para el estadstico F es muy pequeo: 0, por lo tanto se puede decir que alguna de las
variables predictoras, tiene un coeficiente de regresin diferente de 0 y alguna contribuye
significativamente al modelo; por lo tanto de acuerdo a la hiptesis (Montgomery, 2004):
H0 =1 = 2=... = k =0
H1 = j 0
______________________________________________________________________________________________

13

__________________________________________________________________Administracin de la Manufactura

Se rechaza H0 y se acepta H1, por lo que se puede decir que el modelo es correcto o
significativo.

Source
Regression
Residual Error
Total

DF

SS
237.131
69.721
306.853

6
113
119

MS
39.522
0.617

F
64.05

P
0.000

Tabla 2. Anlisis de varianza, elaboracin propia.

El resultado del coeficiente de determinacin mltiple es: R2 = 77.3%, esta es una medida
de la cantidad de reduccin en la variabilidad del tiempo de secado, y, el valor ajustado es
R2ajustada = 76.1%, podemos observar que la diferencia entre estas dos no es considerable,
por lo que se puede decir que las variables ingresadas en el modelo muestran ser
significativas.
En la figura 6 se muestra una grfica de probabilidad normal de los residuos del modelo de
regresin lineal.
Figura 6
Normal Probability Plot of the Residuals
(response is T SECADO)
3

Normal Score

2
1
0
-1
-2
-3
-3

-2

-1

Residual

Elaboracin Propia

______________________________________________________________________________________________

14

__________________________________________________________________Administracin de la Manufactura

Como podemos ver el grfico de probabilidad normal para el caso de los residuales muestra
ser lineal y con pendiente cercana a 45 grados por lo que se puede afirmar que la
informacin muestra una tendencia aproximada a la normalidad por lo que se puede inferir
que los datos pueden ser ajustados mediante el uso de tcnicas de regresin.

Y por ltimo tenemos el histograma de los residuos que nos muestra la tendencia natural de
los datos para el caso del tiempo de secado (Variable dependiente de los elementos del
modelo de regresin.)

Figura 7
Histogram of the Residuals
(response is T SECADO)

Frequency

20

10

0
-3

-2

-1

Residual

Elaboracin Propia

______________________________________________________________________________________________

15